跨复杂系统隐藏因子协同效应的定位：静息脑网络与 HeLa 基因表达谱作为案例研究
定量方法
2025-06-12 v1 数据分析、统计与概率
摘要
因子分析是一种著名的统计方法，用于用较少未观测潜变量（因子）来描述观测变量的变异。尽管潜因子在概念上彼此独立，但它们对观测变量的影响往往是联合且协同的。我们提出使用 O-信息来量化因子对观测变量的联合影响的协同效应，O-信息是最近引入的用于评估复杂系统中高阶依赖性的度量，在一个新的框架中将潜因子和观测变量联合分析其联合信息特征。两个案例研究被报告：分析静息态 fMRI 数据，我们发现 DMN 和 FP 网络表现出最高的协同性，与其 在高级认知功能中的关键作用一致；关于 HeLa 细胞，我们发现最具协同性的基因是 STK-12（AURKB），表明该基因参与控制 HeLa 细胞周期。我们认为这种方法代表了因子分析与高阶交互领域之间的桥梁，将在多个领域找到广泛应用。
引用
@article{arxiv.2506.09053,
title = {Localizing synergies of hidden factors across complex systems: resting brain networks and HeLa gene expression profile as case studies},
author = {Marlis Ontivero-Ortega and Gorana Mijatovic and Luca Faes and Daniele Marinazzo and Sebastiano Stramaglia},
journal= {arXiv preprint arXiv:2506.09053},
year = {2025}
}
备注
11 pages, 3 figures